IXThinker·2026-06-09 16:50

人類影片預訓練VLA 稍加微調即部署

研究機構與高校合作提出以真實人類影片大規模預訓練視覺語言動作模型的新路徑，破解機械人動作數據昂貴稀缺的瓶頸，模型經少量數據微調即可部署，完成人類水平的靈巧操作任務。

數據瓶頸制約具身智能

多指靈巧手硬件已趨成熟，但高質素機械人動作數據採集成本高昂，令視覺語言動作模型在數據規模與多樣性上遠遠落後於大語言模型。